• 用excel手搓cusum控制图(提供excel文件)

    很多人做 SPC,默认就是 Xbar-R、I-MR。

    图画得很漂亮,八大判异规则背得很熟——可现场偶尔会遇到这种尴尬:

    过程其实已经慢慢偏了(比如 0.5σ 到 1.5σ 的慢性漂移),但图上点位依然安安静静地落在上下控制限内。等它真正爆点(突破 3σ)的时候,坏件可能已经生产了一大批,损失不小。

    这时候,你可以想想 CUSUM(累积和)控制图

    它不盯单点跳不跳 3σ,而是把“相对目标的偏离”一点一点累积起来。小漂移、慢性偏移,往往比常规控制图更早露头。

    网上公式一大堆,看着头晕。我干脆用 Excel 把单值子组两套都手搓了一遍,做成可改数据、公式全透明的模板。文末有完整文件,直接下就能复算。

    (也顺便说一声:我们做的 斌果 SPC,现在也已经支持 CUSUM 控制图了。Excel 适合把算法吃透;产线实时看图、自动判异、多项目看板,还是软件省事。)

    先讲清楚:CUSUM 在算什么?

    常规的休哈特控制图只看当前点;而 CUSUM控制图带有“记忆”。

    它的核心思想只有三步:

    1.算偏差: 每个点先算相对目标(规格中心/目标均值24cee2772043cee2775754efb4ff333e.png)的偏差:

    image.png

    2.双向累加: 分别累积“偏高”和“偏低”两条路径:

    image.png

    3.设限判异:

    image.png

    • 参量解释:

    (1)k为松弛系数**,一般取 k = 0.5(代表能最敏感地捕捉 1σ 的偏移)。

    (2)h 为控制限系数,一般取 h = 4 或 h = 5(模板里按常见默认:k = 0.5, h = 4)。

    (3)敲重点:目标值(均值)必须填规格中心或工程目标值。没有目标值,CUSUM 就失去了“累积偏离”的锚点,是没法正经做的。

    文件结构说明

    模板文件内分为两个 Sheet:

    1. 单值:一次只测一个观测值(如液位、温度、单件尺寸)。
    2. 子组:每组 5 个值(可自由扩展为你的子组容量 n)。

    下面的excel实现的cusum算法,和minitab结果是一模一样的。

    单值

    image.png

    1. 表头结构

    主要包含:序号Xj(测量值)、ci(偏差)、C+i(上累积)、C-i(下累积)、极差(移动极差 MR),以及 UCL / LCL / CL

    2. 右侧参数区(以 K 列和 L 列为例)

    参数名称 单元格位置 Excel 公式 / 填入值 逻辑说明
    均值(目标) L1 0(按实际规格中心填) 累积偏差的基准锚点
    h L2 4 控制限倍数
    k L3 0.5 松弛系数
    k*sigma L4 =L3*L5 k*σ
    标准差 σ L5 =AVERAGE(F3:F26) / 1.128 平均移动极差image.png
    UCL L7 =L2*L5 h*σ
    LCL L8 =-L7 \$-h \times \sigma\$

    3. 数据行公式(以第 3 行为例,即 i=2):

    image.png

    子组

    如果每次抽样是一个子组(比如一组 5 个样品),不能直接把所有单值混在一起算。子组 CUSUM 的核心在于“以组均值image.png为主线,且标准差要进行子组调整”。

    image.png

    1. 核心差异点

    1. 点位值: 用子组均值减去目标值,即 image.png
    2. 波动衡量: 估计总体标准差时,推荐采用合并标准差并经 C4 偏置修正,这样能有效消除组间漂移对标准差估算的干扰。
    3. 标准差调整: 控制限和累积扣除项里的标准差,使用的是均值的标准差image.png

    2. 右侧参数区(以 O 列和 P 列为例)

    参数名称 单元格位置 Excel 公式 / 填入值 逻辑说明
    均值(目标) P1 0(规格中心) 目标基准
    h / k P2 / P3 4/0.5 默认参数
    自由度 df P10 =25*(5-1) 组数* (n-1) = 100
    合并标准差 σ P11 =SQRT(SUM(J2:J26)/P10)/(EXP(GAMMALN((P10+1)/2)-GAMMALN(P10/2))*SQRT(2/P10)) 基于组内离差平方和(DEVSQ)汇总,并除以C4修正系数
    调整标准差image.png  P5 =P11/SQRT(5) 关键点:image.png
    k*sigma P4 =P3*P5 image.png
    UCL / LCL P7 / P8 =P2*P5/=-P7 image.png

    3. 数据行公式(以第 3 行为例):

    image.png

    Excel实现合并标准差的算法是非常复杂的。如果想进一步了解合并标准差,请看《全网第一个讲清楚CPK如何计算的,Step by step,Excel和Python同时实现》,这里面的CPK分母的sigma就是用合并标准差,有很详细的公式说明和过程。

    总结:什么时候用 Shewhart,什么时候用 CUSUM?

    • Shewhart 控制图(Xbar-R / I-MR):
      适合看大跳变(> 2σ ~ 3σ)、突发性异常、孤立的爆点。直观、好解释,产线接受度高。
    • CUSUM 控制图:
      适合看微小偏离(0.5σ ~ 1.5σ)、刀具缓慢磨损、原料批次间微小漂移、化工连续反应微调。

    建议组合拳: 常规巡检用常规控制图监控大突变,对质量要求极高的关键特性/易漂移工序,并行叠加 CUSUM 进行早期预警。

    如果需要模板

    如果觉得上面的太难无法复刻,Excel我们已经做好了,v下面两个v信获取:

    simple-SPC 或者 simple_spc2

    本页面文章与公众号同步。

    斌果SPC微信公众号二维码

    微信扫码关注